我认为作者的计算也是错误的，贝叶斯的观念，简单来说，就是用观察的数据来修正先验概率，以得到后验概率，但是数据必须大，而且无偏，一两次修正，基本概率变化不大。

贝叶斯修正得到的后验概率应该是针对人群的，也就是对P(A)进行修正，对于王宏这个人，不是能用贝叶斯概率修正的，具体的公式推导我就不写了。【全文阅读】

首先我引用一下我自己博士论文的两张图，给大家解释一下他的错误

我们把预测当做诊断是否阳性，对应模糊矩阵的行

真实当作王某是否得病，对应模糊矩阵的列

A是王某得病，这样模糊矩阵的列就是-A,A

B是检测为阳性，这样模糊矩阵的行就是-B,B

P(A/B)就是检测为阳性，王某确实得病，也就是99%，对应一下我图里面的Sp（+）

P(B/A)就是王某确实得病，检测为阳性，这个叫正样本的灵敏度，Sn（+），我讲了在医学检测中

灵敏度比特异度更重要，起码不小于90%，否则大部分漏掉，后果比假阳性更严重【全文阅读】

更多讨论：深入探讨上次概率问题错误的根源